基于Flexsim的小麥粉生產過程仿真與優化

王姍姍， 吳保國，錢建平，陳 棟

（1.北京林業大學 信息學院，北京 100083；2.國家農業信息化工程技術研究中心，北京 100097；3.農產品質量安全追溯技術及應用國家工程實驗室，北京100097）

糧食生產具有戰略性地位，關系到人民生活健康及社會的穩定與發展［1］。小麥粉加工企業是糧食流通過程中的關鍵節點，其整體設備作業效率的提高是改善小麥粉加工水平和流通速度的重要保障。小麥粉加工生產線仿真是對其生產過程進行模擬，在虛擬環境中反映出小麥粉生產制造全過程，從而有效地確定生產瓶頸位置，有針對性地進行改善，解決流水線生產能力不平衡及低效率等問題，進而提高加工設備的整體利用率，提高小麥粉加工效率，減少企業運行成本。常用的模擬仿真軟件有Auto Mod，Witness，Arena和Flexsim等。本研究選用Flexsim軟件作為研究工具，它能夠解決貨物配送線路及揀貨方式優化、資源合理配置、貨物和服務次序優化等問題。加工生產線仿真亦有學者利用Flexsim軟件研究［2-13］，邱伊健等［2］利用Flexsim與遺傳算法相結合研究混流生產線仿真與優化；龔立雄等［3］分析了流水生產線的特點，并運用Flexsim對摩托車涂裝生產線進行仿真及優化；王海燕等［4］運用Flexsim動態模擬食品冷鏈配送中心作業流程，分析相關參數并對其進行優化。可見，Flexsim生產加工仿真研究多針對離散系統構建。小麥粉產品具有小顆粒、流動性等特點，其生產過程的流體建模及優化研究鮮見。本研究針對小麥粉加工生產企業的生產現場實際，基于現場收集的數據，運用生產系統建模方法，利用Flexsim仿真軟件，對小麥粉加工流程進行仿真，直觀動態模擬小麥粉實時加工流程畫面，分析仿真數據，找出生產過程中的瓶頸，并研究目前設備布局，對加工設備提出增減假設，優化小麥粉生產過程仿真模型。

1 小麥粉生產流程分析

小麥粉生產加工流程主要經過以下過程：小麥Triticum aestivum收購、分類入庫、原糧配比、原糧清理、潤麥入磨、小麥粉打包碼垛銷售。具體流程為：小麥在主產區種植收獲后，按種植戶和加工企業需求，由專門車輛運送至加工廠，車輛到達后排隊等待扦樣、初檢，初檢合格后，經過磅、稱量、復檢、初選，根據小麥分級結果自動化入不同種類糧倉；根據小麥粉加工計劃確定不同級別小麥配比，小麥經自動化生產線配比后進入原麥倉；之后經過一次清理、著水潤麥、二次清理后入凈麥倉，然后經過皮磨、心磨、篩理、清粉、松粉、打麩等過程，生產出不同級別的小麥粉主產品和麩皮等副產品，不同級別小麥粉入不同粉倉；小麥粉檢測合格后配比、計量、打包、碼垛、入庫儲存，最后將包裝好的小麥粉按訂單規格出庫銷售（圖1）。

圖1 小麥粉加工流程圖Figure 1 Wheat flour processing flow chart

2 小麥粉生產過程仿真建模

小麥收購過程中檢測類別分為A級，B級，C級和D級等4個等級，通過調研統計出不同級別小麥占比、擬合小麥運輸車輛到達時間分布，為仿真模型服務。現場調研和數據收集地點為山東德州某面粉加工集團，通過對小麥采購時間數據和小麥粉各環節加工時間數據收集，為小麥粉生產過程Flexsim仿真模型提供相關參數，是模型構建的依據。另外，仿真模型假設生產線生產的是普通級小麥粉，在模型建立前做如下假設：①小麥原料出入原料倉為先進先出（FIFO）；②以小麥運輸車輛為原料批次單位，批次大小一致；③不考慮機器故障。

2.1 實體設備及相關參數

小麥粉生產過程中的實體設備用Flexsim仿真軟件中的實體對象表示，兩者之間的對應關系如表1所示。上游小麥原料運輸車輛用實體發生器代替，不同顏色的盒子代表小麥檢驗出的不同類型，紅色、藍色、綠色、黃色分別代表A級，B級，C級和D級。小麥入庫前原料看成以車輛為單位的實體，并且定義為一個批次；小麥初步篩選入庫的過程看成實體轉流體的過程，糧倉和原麥倉大小為250 t·個－1，凈麥倉大小為100 t·個－1，根據生產要求小麥配比過程為3 h·倉－1，并且通過控制流速保證小麥混合均勻，用流體處理器模擬仿真初清篩、振動篩、平面回轉篩、吸風分離器等設備進行篩選、風選、去石、磁選等過程，著水潤麥時間約為25 h；小麥入磨前進入凈麥罐，大小為100 t·罐－1，用流體處理器代表小麥五皮九心的研磨設備。最后流體混合器按比例配比不同級別小麥粉，通過打包設備包裝，實體轉換器轉換成以袋為單位的小包裝成品小麥粉。小麥粉出庫過程中，暫存區代表小麥粉儲存倉庫，吸收器代表配送到小麥粉銷售點的車輛。仿真模型相關參數如下設計：①小麥采購區。根據跟蹤統計小麥60 d內采購類型數據分析得出其發生概率。其中：A級，B級，C級和D級小麥分別占比約59.8%，27.8%，8.9%和3.5%。統計柱狀圖如圖2所示。②小麥車輛到達的頻率分布。跟蹤調查獲得小麥車輛的到達時間數據，統計60 d的數據，得出小麥車輛1 d內的到達頻率數，計算每小時車輛到達數（從7:00到19:00）， 分別為 3， 4， 4， 3， 2， 0， 3， 6， 5， 4， 2， 1， 其余時間為0（圖 3）。 ③管道流速。 Flexsim 仿真模型通過控制管道流速決定小麥粉生產各個環節的生產時間。本模型單位為分鐘（min）和千克（kg）。管道質量流速v＝P× （M/t）。 其中：v為管道流速（kg·min－1），P為小麥（小麥粉）混合配比，M為麥倉（粉倉）大小（kg），t為生產工藝要求時間（min）。根據公式計算出模型中各管道流速，部分管道流速如表2所示。

表1 小麥粉加工實體設備與Flexsim實體庫對象對應Table 1 Corresponding entity objects used in Flexsim library of wheat flour processing

2.2 建立Flexsim仿真模型

定義了實體及其參數，確定了小麥粉生產加工的邏輯流程，就可構建小麥粉加工過程Flexsim仿真模型（圖4），加工機器按不同類型成直線型擺放。小麥粉加工生產線一般為24 h不停機運行，該仿真模型的運行單位時間為min，為仿真運行結果的準確性和可靠性考慮，模型運行時間設置為1個月，即模型停止時間為31×24×60＝44 640 min。為了盡快得出模型的研究數據，可適當提高模型運行速度，這樣并不會改變模型運行結果。

表2 仿真模型管道流速Table 2 Pipeline flow rate in simulation model

2.3 仿真結果數據收集及分析

Flexsim仿真模型運行結束后進行相關設備的數據收集，儲存箱及相關設備的工作狀態以百分比的形式呈現，如表3～5所示：小麥配比、小麥清理、小麥研磨、小麥粉配比和小麥粉打包設備的利用率分別為84.5%，74.3%，70.7%，57.2%和95.4%。其中：小麥清理和研磨設備的利用率偏低，主要是因為其阻塞率達24.1%和26.9%，可能是由后續打包設備打包時間較長或設備較少所致。流體儲存器中路粉粉倉的滿倉率達到54.4%，進出小麥粉倉流速不匹配表明小麥粉加工生產線連續生產同一種類小麥粉（確定小麥粉配比）設置不合理。A級，B級，C級，D級類小麥暫存區利用率分別達99.6%，98.9%，95.4%和72.3%，表明A級，B級，C級類小麥車輛排隊等待時間較長，糧倉數量較少。其余設備利用率、空閑率較為合理。

圖2 小麥采購類型統計Figure 2 Types of wheat purchasing

圖3 小麥車輛到達時間統計Figure 3 Arrival time of wheat vehicles

圖4 Flexsim仿真3D模型Figure 4 3D model used in Flexsim simulation

表3 小麥粉加工設備工作狀態統計Table 3 Working state of wheat flour processing equipment

3 小麥粉生產過程仿真模型優化

3.1 模型優化

為了提高相關設備利用率，合理利用資源，需要對小麥粉生產過程仿真模型進行優化改進，達到提高整體運作效率和節約成本的目的。經過2.3節數據分析結果及多次優化對比，得出如下最終優化方案：①小麥清理與研磨設備阻塞率較高，可能是生產后續流程中小麥打包配比和打包設備不足造成的，為降低其阻塞率，在仿真模型中增加打包設備一臺，提高生產線運行效率。②模型運行期間，生產不同配比的小麥粉，即修改小麥粉配比混合器的配比，平均生產2種不同普通級小麥粉，前路粉、中路粉和后部分的比例分別為 3∶6∶1 和 2∶7∶1。 ③為減少暫存區排隊等待時間， 經多種糧倉增加方案對比提出，增加A類型小麥糧倉3個、B類型小麥糧倉2個、C類型小麥糧倉1個、D類型小麥糧倉1個的方案，以減少小麥粉加工企業人工成本開銷（表6）。

表4 流體存儲箱工作狀態統計Table 4 Work state of fluid storage box

3.2 模型結果對比分析

由圖5可知：小麥清理、小麥研磨、小麥粉配比的利用率從優化前74.3%，70.7%，57.2%，分別上升為84.9%，82.0%和71.5%，相關設備的有效利用率得到了明顯提高，小麥配比和小麥粉打包設備利用率基本與之前持平。分析原因可能與小麥配比設備的限制因素小麥管道流速有關。根據生產工藝要求，小麥管道流速是固定的；小麥粉打包設備利用率達到了95.4%，仿真模型開始時，打包設備處于閑置狀態，故設備利

用率未提高。由圖6可知：小麥清理和研磨設備的阻塞率從24.1%和26.9%下降至13.5%和15.6%，阻塞率有了明顯的下降，但是仿真模型還存在阻塞，分析由于仿真時間（1個月）內生產小麥粉的單一性造成的，該小麥粉配比中的中路粉含量相對于產出來講較少，下一步將討論仿真期間按訂單生產多種小麥粉，進一步提高生產效率。由優化前后的數據可知：小麥粉生產線的 “瓶頸”可能在于小麥粉打包區。另外，對小麥粉生產加工仿真模型優化前后整體生產率進行分析說明：代表碼垛、銷售的暫存區中，輸入實體數量優化前后分別為10 645個和21 290個。該實體代表用于存儲和銷售的小包裝小麥粉（50 kg），該數據顯示設備的整體生產效率和利用率提高了近1倍。

表5 小麥采購暫存區工作狀態統計Table 5 Work state of wheat temporary storage area

表6 優化后小麥粉加工設備工作狀態統計Table 6 Working state of wheat flour processing equipment after optimization

圖5 小麥粉加工設備優化前后利用率Figure 5 Utilization ratio of wheat flour processing equipment before and after optimization

圖6 小麥粉加工設備優化前后阻塞率Figure 6 Block ratio of wheat flour processing equipment before and after optimization

4 結論與討論

通過對小麥粉生產作業流程分析，利用Flexsim仿真軟件，建立小麥粉生產線仿真模型，收集相關設備和流體儲存罐的加工率、利用率、空閑率等數據，分析結果顯示小麥清理和研磨設備的利用率偏低，主要是因為其阻塞率達到24.1%和26.9%。本研究針對以上問題提出優化方案，優化后仿真實驗顯示小麥清理和研磨設備的阻塞率下降至13.5%和15.6%，阻塞率有明顯下降。

本研究優化后的基于Flexsim仿真軟件的小麥粉生產流程模型，對提高小麥粉的生產加工效率和設備利用率有明顯的促進作用，相關結論能夠為此類小麥粉加工企業提供參考依據。另外，雖然小麥清理和研磨設備的阻塞率明顯下降，但阻塞還存在。下一步應探討根據小麥粉訂單，按需求生產不同種類（配比）的小麥粉，進一步降低生產線阻塞率；另一方面，在Flexsim通過設置標簽標記不同批次小麥，建立小麥批次與小麥粉批次的關聯規則，為批次融合下小麥粉追溯模型的驗證奠定基礎。

5 參考文獻

［1］ 錢建平，吉增濤，劉學馨，等.基于批次的面粉追溯鏈編碼研究［J］.糧油加工，2010（10）：52-55.QIAN Jianping,JI Zengtao,LIU Xuexin,et al.Study on batch based traceability chain coding of flour ［J］.Creal Oil Process,2010（10）:52-55.

［2］ 邱伊健，涂海寧.基于Flexsim與遺傳算法的混流生產線仿真與優化研究［J］.組合機床與自動化加工技術，2015（8）： 119-123.QIU Yijian,TU Haining.Research on simulation and optimization of the mixed-model production line based on flexsim and genetic algorithm ［J］.Modul Mach Tool Autom Manuf Technol,2015（8）:119-123.

［3］ 龔立雄，譚國，黃敏.基于Flexsim的摩托車涂裝生產線仿真與優化研究［J］.工業工程與管理，2014，19（3）：122-126.GONG Lixiong,TAN Guo,HUANG Min.Simulation and optimization of motorcycle coating product line based on Flexsim ［J］.Ind Eng Manage,2014,19（3）:122-126.

［4］ 王海燕，孫濤.食品冷鏈物流配送中心作業流程仿真與優化［J］.物流技術，2016，35（10）：92-97.WANG Haiyan,SUN Tao.Simulation and optimization of operational process of food cold chain logistics distribution centers ［J］.Logist Technol,2016,35（10）:92-97.

［5］ 梁琨，沈明霞，葛玉峰.基于模糊綜合分析方法的谷物溯源顆粒優化設計［J］.農業工程學報，2012，28（15）：246-250.LIANG Kun,SHEN Mingxia,GE Yufeng.Optimal design of grain tracer based on fuzzy comprehensive analysis method ［J］.Trans Chin Soc Agric Eng,2012,28（15）:246-250.

［6］ 楊銀，路春光，陳金鵬，等.采用Flexsim的生產系統建模與仿真研究［J］.現代制造工程，2009（12）：42-46.YANG Yin,LU Chunguang,CHEN Jinpeng,et al.Modeling and simulation study of the production system based on Flexsim ［J］.Mod Manuf Eng,2009（12）:42-46.

［7］ 黃鵬鵬，張云，魏清.基于FLEXSIM的雜質泵生產線仿真改善［J］.制造業自動化，2013，35（8）：46-48.HUANG Pengpeng,ZHANG Yun,WEI Qing.Improving of simulation of the impurities pump line production based on Flexsim ［J］.Manuf Autom,2013,35（8）:46-48.

［8］ 曾夢杰，李帥.基于Flexsim的短生命周期產品供應鏈建模與仿真［J］.物流工程與管理，2015，37（5）：85-88，41.ZENG Mengjie,LI Shuai.Modeling and simulation for short-life-cycle product supply chain based on Flexsim ［J］.Logist Eng Manage,2015,37（5）:85-88,41.

［9］ 秦天保，周向陽.實用系統仿真建模與分析：使用Flexsim［M］.北京：清華大學出版社，2013.

［10］ 游攀，徐林偉，孫丹，等.基于Flexsim的不同揀貨策略的仿真建模研究［J］.物流技術，2016，35（2）：78-81.YOU Pan,XU Linwei,SUN Dan,et al.Simulated modeling of different sorting strategies based on Flexsim ［J］.Logist Technol,2016,35（2）:78-81.

［11］ SKOGLUND T,DEJMEK P.Fuzzy traceability:a process simulation derived extension of the traceability concept in continuous food processing ［J］.Food Bioprod Process,2007,85（4）:354-359.

［12］ KVARNSTR?M B,BERGQUIST B.Improving traceability in continuous processes using flow simulations ［J］.Prodn Plan Control,2012,23（5）:396-404.

［13］ ZHU Xiaomin,ZHANG Runtong,CHU Fuzhi,et al.A flexsim-based optimization for the operation process of coldchain logistics distribution centre ［J］.J Appl Res Technol,2014,12（2）:270-278.